基于EMD的高速滚动轴承故障诊断.pdfVIP

42 2009年5月中闻制造业信息化第38卷第9期 基于EMD的高速滚动轴承故障诊断 张学君，贾民乎，蒋全照 (东南大学机械工程学院，江苏南京211189) 摘要：提壶了一释基于经验模式分解(EMD)麓高速滚动耱承故障诊蘩方法。首先介绍了经验模 式分解方法的斑要思想和算法；其次，针对高速滚动轴承，给出利用经验模式分解进行诊断的具 体步骤；最后，成功地将此方法应用于某高速齿轮箱的滚动轴承故障诊断实践中。诊断结果表 暖，该方法能够有效提取斑高速滚动轴承故障振动信号，跌而提高了滚动轴承故障诊断鳇准确 性。 关键词：高速滚动轴承；级验模式分解；故障诊断 毒圈分类号：聪薹33。33 ‘文献标识码：A 文章绫号：1672一董6王6《29鹕；静一0042一瓣 滚动轴承是机器的易损件之一，据不完全统 将信号中不闭尺度的波动或趋势级分解出来，产生 计，旋转枕械的故障约有30％是嚣滚动轴承弓|起 一系列具有不丽特薤足凄豹数据序列，每一个序剜 的，由此可见滚动轴承故障诊断工作的重要性。设 称为一个本雒模式函数imf—j。该本征模式函数 备运行时，磨损、疲劳、腐蚀、过载等原因都可能造 符合以下条件：(1)在整个数据序列中，极值点的数 成滚动轴承的局部损伤故障。当局部攒伤通过辘 蠢与过零点的数誉最多差1；≤2)数据序列的主、下 承载荷时会产生冲击，从而激励轴承系统的固有频 包络线在任意点均关于零轴对称，即瞬时值为零。 率振动。这些固有频率振动为高频，且表现出幅值 由本征模式函数的定义可以看出，本征模式隅数实 调铺的特性。因此，提取楣应的故障特征频率信号 际上播述信号中酶上、下对称豹波动成分。由于在 是诊断滚动轴承故障的关键【1，2J。目前常用的诊 旋转机械中采集到的信号大部分都是由多个振荡 断方法如包络解调和小波分解都存在着某种方藤 成分构成的，为了便于分析，有必要将信号分解为 上的缺点L3--5jo 若予个本征模式函数之翻，该分怨方法鄂为经验模 式分解。经验模式分解方法基于以下3个条件t 在某厂生产的一种高速旋转机械中，随着磨损 (1)信号至少有1个极大值点和1个极小值点；(2) 对闻的增加，设备运行状况逐步恶化，蛮至设备失 本征模式丞数的特征尺度由极值的时延确定；(3) 效。基予设备的特殊性，必须保证设备在寿命时间 如果数据没有极值，但有拐点时，可以对数据取一 之内不能发生失效现象，所以滚动轴承的状态监测 次或多次导数后进行分解。经验模式分鳃的基本 、和故障分析对提高设备寿会具有重要意义。本文 实现步骤如下：首先我出信号z(t)中所有的局部 以滚动轴承为研究对象，采用一种新的信号处理方 极大值点，并利用三次样条插值求出信号的上包络 Mode Decompo． 法一经验模式分解法(Empirical 线；网理，找出信号中所肖的局部极小值点，并利震 sition，E泗)，霹滚动轴承遴行故瘴诊断分析。分 三次样条插值求出信号的下包络线；求出上、下包 析结果表明，此方法有效地提取了轴承故障信息， 络线的均值m1，则原始信号与均